ผู้นำทางความคิด

เมื่อ AI ที่สร้างสรรค์ขยายตัว คือเวลาที่จะจัดการกับ AI ที่มีความรับผิดชอบ

Dr Ravindra Patil
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญมีเพียง 20% ขององค์กรเท่านั้นที่มีโปรแกรม AI ที่มีความรับผิดชอบอย่างครอบคลุม…
ดูเพิ่มเติม
  • มีเพียง 20% ขององค์กรเท่านั้นที่มีโปรแกรม AI ที่มีความรับผิดชอบอย่างครอบคลุม แม้จะมีการทดลองใช้กันอย่างแพร่หลาย
  • AI ที่มีความรับผิดชอบจำเป็นต้องบูรณาการการตรวจสอบความเท่าเทียมและการกำกับดูแลทั่วทั้งฟังก์ชันทางธุรกิจมากถึง 20 ฟังก์ชัน
  • กรอบการทำงานเชิงรุกด้าน AI ที่มีความรับผิดชอบในปัจจุบันช่วยลดความเสี่ยงด้านกฎระเบียบและป้องกันความล้มเหลวในครึ่งหนึ่งของบริษัทต่าง ๆ

ในปี 2022 บริษัทต่างๆ มีโมเดล AI ที่ใช้งานจริงเฉลี่ย 3.8 โมเดล ในปัจจุบัน 7 ใน 10 บริษัททดลองใช้ AI เชิงกำเนิด ซึ่งหมายความว่าจำนวนโมเดล AI ที่ใช้งานจริงจะเพิ่มขึ้นอย่างรวดเร็วในช่วงหลายปีที่จะมาถึง ดังนั้น การอภิปรายในอุตสาหกรรมเกี่ยวกับ AI ที่มีความรับผิดชอบจึงมีความสำคัญมากขึ้น

ข่าวดีคือ มากกว่าครึ่งหนึ่งขององค์กรสนับสนุนจริยธรรม AI อยู่แล้ว อย่างไรก็ตาม มีเพียงประมาณ 20% ที่ได้ดำเนินโปรแกรมที่ครอบคลุมพร้อมเฟรมเวิร์ก การกำกับดูแล และการตรวจสอบเพื่อดูแลการพัฒนาโมเดล AI และระบุและลดความเสี่ยงในเชิงรุก ด้วยความเร็วในการพัฒนา AI ที่รวดเร็ว ผู้นำควรดำเนินการเพื่อนำเฟรมเวิร์กและกระบวนการที่เติบโตมาใช้ กฎระเบียบในหลายประเทศกำลังจะมาถึง และแล้วหนึ่งในสององค์กรได้ประสบความล้มเหลวในการใช้ AI ที่มีความรับผิดชอบ

ความท้าทายในการนำ AI ที่มีความรับผิดชอบมาใช้

AI ที่มีความรับผิดชอบครอบคลุมถึง 20 ฟังก์ชันทางธุรกิจที่แตกต่างกัน ซึ่งเพิ่มความซับซ้อนของกระบวนการและกระบวนการตัดสินใจ ทีมงาน AI ที่มีความรับผิดชอบจะต้องทำงานร่วมกับผู้มีส่วนได้ส่วนเสียหลักๆ รวมถึงผู้นำธุรกิจ เจ้าของธุรกิจ ทีมงานด้านข้อมูล AI และ IT และพันธมิตรเพื่อ:

  • สร้างโซลูชัน AI ที่ยุติธรรมและไม่มีอคติ: ทีมงานและพันธมิตรสามารถใช้เทคนิคต่างๆ เช่น การวิเคราะห์ข้อมูลเชิงสำรวจเพื่อระบุและลดอคติที่อาจเกิดขึ้นก่อนการพัฒนาโซลูชัน เพื่อให้โมเดลถูกสร้างขึ้นด้วยความยุติธรรมตั้งแต่ต้น ทีมงานและพันธมิตรยังสามารถตรวจสอบข้อมูลที่ใช้ในการประมวลผลล่วงหน้า การออกแบบอัลกอริทึม และการประมวลผลภายหลังเพื่อให้แน่ใจว่าข้อมูลมีความเป็นตัวแทนและสมดุล นอกจากนี้ยังสามารถใช้เทคนิคความยุติธรรมแบบกลุ่มและแบบบุคคลเพื่อให้แน่ใจว่าอัลกอริทึมปฏิบัติต่อคนและกลุ่มต่างๆ อย่างยุติธรรม และใช้แนวทางความยุติธรรมแบบสมมุติเพื่อสร้างแบบจำลองผลลัพธ์หากมีการเปลี่ยนแปลงปัจจัยบางอย่าง เพื่อช่วยระบุและแก้ไขอคติ
  • ส่งเสริมความโปร่งใสและความสามารถอธิบายได้ของ AI: ความโปร่งใสของ AI หมายถึงความสามารถในการเข้าใจว่าโมเดล AI ทำงานและตัดสินใจอย่างไร ความสามารถอธิบายได้หมายถึงความสามารถในการสื่อสารการตัดสินใจเหล่านี้ให้ผู้อื่นเข้าใจได้ง่ายด้วยถ้อยคำที่ไม่ใช่ศัพท์เทคนิค โดยใช้คำศัพท์ทั่วไป การจัดประชุมกับผู้มีส่วนได้ส่วนเสียอย่างสม่ำเสมอ และการสร้างวัฒนธรรมแห่งความตระหนักและความเรียนรู้อย่างต่อเนื่องสามารถช่วยให้บรรลุเป้าหมายนี้
  • รับรองความเป็นส่วนตัวและความปลอดภัยของข้อมูล: โมเดล AI ใช้ข้อมูลจำนวนมาก บริษัทต่างๆ กำลังใช้ข้อมูลจากองค์กรเองและจากบุคคลที่สามเพื่อใช้กับโมเดล พวกเขายังใช้เทคนิคการเรียนรู้ที่รักษาความเป็นส่วนตัว เช่น การสร้างข้อมูลสังเคราะห์เพื่อแก้ไขปัญหาการขาดแคลนข้อมูล ผู้นำและทีมงานจะต้องการทบทวนและพัฒนาการรักษาความเป็นส่วนตัวและความปลอดภัยของข้อมูลเพื่อให้แน่ใจว่าข้อมูลที่มีความสำคัญและละเอียดอ่อนยังคงได้รับการคุ้มครองเมื่อใช้ในรูปแบบใหม่ๆ ตัวอย่างเช่น ข้อมูลสังเคราะห์ควรเลียนแบบลักษณะสำคัญของลูกค้า แต่ไม่สามารถสืบย้อนกลับไปหาแต่ละบุคคลได้
  • ดำเนินการกำกับดูแล: การกำกับดูแลจะแตกต่างกันไปตามความเติบโตของ AI ขององค์กร อย่างไรก็ตาม บริษัทควรตั้งหลักการและนโยบาย AI ตั้งแต่เริ่มต้น เมื่อการใช้โมเดล AI เพิ่มขึ้น พวกเขาสามารถแต่งตั้งเจ้าหน้าที่ AI ดำเนินเฟรมเวิร์ก สร้างกลไกการรายงานและความรับผิดชอบ และพัฒนาวงจรรับข้อมูลป้อนกลับกับโปรแกรมปรับปรุงอย่างต่อเนื่อง

ปัจจัยสำคัญที่ช่วยให้โปรแกรม AI ที่มีความรับผิดชอบประสบความสำเร็จ

อะไรคือสิ่งที่ทำให้บริษัทที่เป็นผู้นำด้าน AI ที่มีความรับผิดชอบแตกต่างจากบริษัทอื่นๆ? พวกเขามี:

  • สร้างวิสัยทัศน์และเป้าหมายสำหรับ AI: ผู้นำสื่อสารวิสัยทัศน์และเป้าหมายของตนสำหรับ AI และประโยชน์ที่ AI มีต่อองค์กร ลูกค้า และสังคม
  • กำหนดความคาดหวัง: ผู้นำระดับสูงกำหนดความคาดหวังที่ถูกต้องสำหรับทีมงานในการสร้างโซลูชัน AI ที่มีความรับผิดชอบตั้งแต่เริ่มต้น แทนที่จะพยายามปรับโซลูชันหลังจากเสร็จสิ้นแล้ว
  • ดำเนินเฟรมเวิร์กและกระบวนการ: พันธมิตรให้เฟรมเวิร์ก AI ที่มีความรับผิดชอบพร้อมกระบวนการที่โปร่งใสและกลไกการตรวจสอบ ตัวอย่างเช่น การตรวจสอบความเป็นส่วนตัว ความยุติธรรม และอคติควรเป็นส่วนหนึ่งของการเตรียมข้อมูลเบื้องต้น การพัฒนาโมเดล และการตรวจสอบอย่างต่อเนื่อง
  • เข้าถึงทักษะด้านโดเมน อุตสาหกรรม และ AI: ทีมงานต้องการเร่งนวัตกรรมโซลูชัน AI เพื่อเพิ่มความสามารถในการแข่งขันทางธุรกิจ พวกเขาสามารถหาพันธมิตรเพื่อเข้าถึงทักษะโดเมนและอุตสาหกรรมที่เกี่ยวข้อง เช่น การวางกลยุทธ์และการดำเนินการด้านข้อมูลและ AI รวมถึงการวิเคราะห์ลูกค้า เทคโนโลยีการตลาด การจัดการห่วงโซ่อุปทาน และความสามารถอื่นๆ พันธมิตรยังสามารถให้ทักษะ AI ที่ครอบคลุม รวมถึงวิศวกรรมโมเดลภาษาขนาดใหญ่ (LLM) การพัฒนา การปฏิบัติการ และวิศวกรรมแพลตฟอร์ม โดยใช้เฟรมเวิร์กและกระบวนการ AI ที่มีความรับผิดชอบในการออกแบบ พัฒนา ใช้งาน และผลิตโซลูชัน
  • เข้าถึงเครื่องมือเร่งความเร็ว: พันธมิตรให้เข้าถึงระบบนิเวศ AI ซึ่งลดเวลาในการพัฒนาโครงการนำร่อง AI แบบดั้งเดิมและ AI เชิงกำเนิดที่มีความรับผิดชอบได้ถึง 50% องค์กรจะได้รับโซลูชันเฉพาะอุตสาหกรรมที่เพิ่มความสามารถในการแข่งขันในตลาด
  • รับรองการยอมรับและความรับผิดชอบของทีม: ทีมงานขององค์กรและพันธมิตรได้รับการฝึกอบรมเกี่ยวกับนโยบายและกระบวนการใหม่ๆ นอกจากนี้ องค์กรยังตรวจสอบทีมงานเพื่อให้แน่ใจว่ามีการปฏิบัติตามนโยบายหลัก
  • ใช้เมตริกที่ถูกต้องเพื่อวัดผลลัพธ์: ผู้นำและทีมงานใช้มาตรฐานและเมตริกอื่นๆ เพื่อแสดงว่า AI ที่มีความรับผิดชอบมีคุณค่าทางธุรกิจเพื่อรักษาความมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย
  • ตรวจสอบระบบ AI: พันธมิตรให้บริการตรวจสอบโมเดล AI เพื่อแก้ปัญหา ในเชิงรุก และรับรองว่าได้รับผลลัพธ์ที่เชื่อถือได้

วางแผนสำหรับ AI ที่มีความรับผิดชอบตอนนี้

หากบริษัทของคุณกำลังเร่งนวัตกรรม AI คุณอาจต้องการโปรแกรม AI ที่มีความรับผิดชอบ ดำเนินการ ในเชิงรุก เพื่อลดความเสี่ยง เพิ่มความเติบโตของโปรแกรมและกระบวนการ และแสดงความรับผิดชอบต่อผู้มีส่วนได้ส่วนเสีย

พันธมิตรสามารถให้ทักษะ เครื่องมือ เฟรมเวิร์ก และความร่วมมือเพื่อให้คุณปลดปล่อยคุณค่าทางธุรกิจด้วย AI ที่มีความรับผิดชอบ นำโมเดลที่ยุติธรรมและไม่มีอคติ ใช้การควบคุม และเพิ่มการปฏิบัติตามข้อกำหนดของบริษัทในขณะที่เตรียมพร้อมสำหรับการกำกับดูแลที่จะมาถึง

ดร. Ravindra Patil เป็นผู้อำนวยการอาวุโสด้านวิทยาศาสตร์ข้อมูลที่ Tredence โดยนำทีมที่มีประสบการณ์ในอุตสาหกรรมด้านข้อมูลและ AI เป็นเวลา 15 ปี เขาเชี่ยวชาญในการนำทีมให้ประสบความสำเร็จและพัฒนาโซลูชันข้อมูลและ AI ที่มีประสิทธิภาพ Ravindra เริ่มต้นอาชีพที่ Siemens ก่อนจะมีส่วนสำคัญใน Philips Research และกลุ่มธุรกิจต่าง ๆ ของบริษัท ก่อนเข้าร่วม Tredence เขานำกลุ่มงานข้อมูลและ AI ให้กับกลุ่มธุรกิจ Personal Health มูลค่า 4 พันล้านดอลลาร์ของ Philips

ตลอดเส้นทางอาชีพ Ravindra ได้พัฒนาอัลกอริทึม AI และแพลตฟอร์มข้อมูลหลายรายการ พร้อมสนับสนุนการนำไปผสานใช้ในภาคธุรกิจต่าง ๆ เขาสำเร็จการศึกษาปริญญาตรีด้านวิศวกรรมศาสตร์ ปริญญาโทด้านการรู้จำรูปแบบจาก IIT Madras ประเทศอินเดีย และปริญญาเอกด้านการเรียนรู้ของเครื่องจากมหาวิทยาลัย Maastricht ประเทศเนเธอร์แลนด์ ผลงานที่โดดเด่นของเขารวมถึงการยื่นคำขอสิทธิบัตรมากกว่า 30 รายการ งานวิจัยที่ได้รับการตีพิมพ์จำนวนมาก และการได้รับเลือกจากนิตยสาร AIM ให้เป็นหนึ่งใน 100 ผู้นำด้าน AI ชั้นนำของอินเดีย